基于道路特征的多目相机标定方法、装置、设备和介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113643374A(43)申请公布日2021.11.12(21)申请号202010344426.4(22)申请日2020.04.27(71)申请人上海欧菲智能车联科技有限公司地址201800上海市嘉定区安亭镇墨玉南路888号1701室(72)发明人金娜余一徽(74)专利代理机构广州华进联合专利商标代理有限公司44224代理人姜晓云(51)Int.Cl.G06T7/80(2017.01)权利要求书2页说明书15页附图5页(54)发明名称基于道路特征的多目相机标定方法、装置、设备和介质(57)摘要本申请涉及一种基于道路特征的多目相机基于道路特征的多目相机标定方法、装置、设备和介质。所述方法包括：获取各相机所采集的第一图像、各相机的安装位置以及车辆的行驶里程，并对所述第一图像进行道路特征检测得到道路特征；根据所述道路特征确定对应的消失点，并通过所述消失点得到确定各相机的初始旋转角度；根据各相机的安装位置以及车辆的行驶里程确定各相机的初始位置；根据各相机的初始旋转角度和初始位置分别对各相机的相机外参进行优化；根据优化后的各相机的外参以及车辆的行驶里程进行全局优化，以完成相机标定。采用本方法能够对所有相机进行同时标定。CN113643374ACN113643374A权利要求书1/2页1.一种基于道路特征的多目相机标定方法，所述方法包括：确定各相机相对于车辆的安装位置；通过所述各相机采集环境路况的第一图像；获取车辆的行驶里程；识别所述第一图像中的道路特征，并进一步识别出所述道路特征中的视觉交点；根据所述视觉交点确定所述各相机的初始旋转角度；根据所述安装位置确定所述相机相对于车辆的初始位置；根据各相机的初始旋转角度和初始位置分别对各相机的相机外参进行优化；根据优化后的各相机的外参以及车辆的行驶里程进行全局优化，以调节各相机的旋转角度与初始位置。2.根据权利要求1所述的方法，其特征在于，所述识别所述第一图像中的道路特征，包括：扫描所述第一图像得到所述第一图像对应的灰度值分布，并根据所述灰度值分布确定第一图像中灰度值大于预设值的特征点；根据预设规则从所确定的特征点中选取符合要求的特征点；根据所选取的特征点进行拟合得到道路特征。3.根据权利要求1所述的方法，其特征在于，所述识别所述第一图像中的道路特征，包括：将所述第一图像转换为灰度值第一图像，并获取道路特征对应的属性；根据所述属性对所述灰度值第一图像进行滤波处理，以初步提取道路特征对应的区域；对初步提取的道路特征对应的区域进行筛选得到道路特征对应的区域；对筛选出来的道路特征对应的区域进行边缘拟合处理得到道路特征。4.根据权利要求1所述的方法，其特征在于，所述识别所述第一图像中的道路特征，包括：将所述第一图像输入至预先训练的深度学习网络，以通过所述深度学习网络提取出道路特征，所述深度学习网络是根据包含标注后的道路特征的图像进行训练得到的。5.根据权利要求1至4任意一项所述的方法，其特征在于，所述根据各相机的初始旋转角度和初始位置分别对各相机的相机外参进行优化之前，还包括：将各相机的初始旋转角度和初始位置按照相机进行分组存储。6.根据权利要求1至4任意一项所述的方法，其特征在于，所述根据各相机的初始旋转角度和初始位置分别对各相机的相机外参进行优化，包括：根据各相机的初始旋转角度、初始位置以及对应的道路特征投影到地面平面，并根据投影后的道路特征确定单相机优化衡量指标，其中所述道路特征为识别第一图像所得到的道路特征，或者是通过获取各相机所采集的第二图像，并提取的所述第二图像中的道路特征根据所述单相机优化衡量指标，对所述各相机的初始旋转角度和初始位置进行优化。7.根据权利要求6所述的方法，其特征在于，所述根据投影后的道路特征确定单相机优化衡量指标，包括：2CN113643374A权利要求书2/2页将投影后的道路特征的宽度、角度、各道路特征之间的位置关系以及道路特征是否为直线作为单相机优化衡量指标。8.根据权利要求7所述的方法，其特征在于，所述根据投影后的道路特征确定单相机优化衡量指标，还包括：根据所述车辆的行驶里程确定道路特征的第一位移标准值；根据投影后的道路特征确定投影后的道路特征的位移，计算第一位移标准值与所述投影后的道路特征的位移的差值，作为单相机优化衡量指标。9.根据权利要求6所述的方法，其特征在于，所述根据优化后的各相机的外参以及车辆的行驶里程进行全局优化，以在线对所述相机进行标定，包括：将各相机所采集的第一图像或第二图像进行拼接；获取拼接后同一道路特征所对应的偏差值作为全局优化衡量指标；根据所述全局优化衡量指标，对所述各相机的初始旋转角度和初始位置进行优化。10.根据权利要求9所述的方法，其特征在于，所述获取拼接后